如何在 MySQL 中进行正则表达式替换？

Question

我有一个大约 500k 行的表； varchar(255) UTF8 列filename 包含一个文件名；

我正在尝试从文件名中去除各种奇怪的字符 - 我想我会使用一个字符类：[^a-zA-Z0-9()_ .\-]

现在，MySQL 中是否有一个函数可以让您通过正则表达式进行替换？我正在寻找与 REPLACE() 函数类似的功能 - 简化示例如下：

SELECT REPLACE('stackowerflow', 'ower', 'over');

Output: "stackoverflow"

/* does something like this exist? */
SELECT X_REG_REPLACE('Stackoverflow','/[A-Zf]/','-'); 

Output: "-tackover-low"

我知道REGEXP/RLIKE，但那些只检查如果有匹配，而不是什么匹配。

（我可以从 PHP 脚本中执行“SELECT pkey_id,filename FROM foo WHERE filename RLIKE '[^a-zA-Z0-9()_ .\-]'”，然后执行 preg_replace，然后执行“UPDATE foo ... WHERE pkey_id=...”，但这看起来像是最后的手段，缓慢而丑陋的 hack )

Answer 1

MySQL 8.0+：

你可以使用原生的REGEXP_REPLACE函数。

旧版本：

您可以使用用户定义的函数 (UDF)，例如 mysql-udf-regexp。

Answer 2

我最近编写了一个 MySQL 函数来使用正则表达式替换字符串。您可以在以下位置找到我的帖子：

http://techras.wordpress.com/2011/06/02/regex-replace-for-mysql/

这里是功能代码：

DELIMITER $$

CREATE FUNCTION  `regex_replace`(pattern VARCHAR(1000),replacement VARCHAR(1000),original VARCHAR(1000))
RETURNS VARCHAR(1000)
DETERMINISTIC
BEGIN 
 DECLARE temp VARCHAR(1000); 
 DECLARE ch VARCHAR(1); 
 DECLARE i INT;
 SET i = 1;
 SET temp = '';
 IF original REGEXP pattern THEN 
  loop_label: LOOP 
   IF i>CHAR_LENGTH(original) THEN
    LEAVE loop_label;  
   END IF;
   SET ch = SUBSTRING(original,i,1);
   IF NOT ch REGEXP pattern THEN
    SET temp = CONCAT(temp,ch);
   ELSE
    SET temp = CONCAT(temp,replacement);
   END IF;
   SET i=i+1;
  END LOOP;
 ELSE
  SET temp = original;
 END IF;
 RETURN temp;
END$$

DELIMITER ;

示例执行：

mysql> select regex_replace('[^a-zA-Z0-9\-]','','2my test3_text-to. check \\ my- sql (regular) ,expressions ._,');

Answer 3

我让这个工作的蛮力方法只是：

1. 转储表格 - mysqldump -u user -p database table > dump.sql
2. 查找并替换几个模式 - find /path/to/dump.sql -type f -exec sed -i 's/old_string/new_string/g' {} \;，显然您还可以对文件执行其他 perl 正则表达式。
3. 导入表 - mysqlimport -u user -p database table < dump.sql

如果您想确保字符串不在数据集中的其他位置，请运行一些正则表达式以确保它们都出现在相似的环境中。在运行替换之前创建备份也不是那么难，以防您不小心破坏了丢失信息深度的东西。

Answer 4

您“可以”做到...但这不是很明智...这是我将尝试的最大胆...只要完整的 RegEx 支持您最好使用 perl 或类似的东西。

UPDATE db.tbl
SET column = 
CASE 
WHEN column REGEXP '[[:<:]]WORD_TO_REPLACE[[:>:]]' 
THEN REPLACE(column,'WORD_TO_REPLACE','REPLACEMENT')
END 
WHERE column REGEXP '[[:<:]]WORD_TO_REPLACE[[:>:]]'

Answer 5

我很高兴地报告，自从提出这个问题以来，现在有一个令人满意的答案！看看这个很棒的包：

https://github.com/mysqludf/lib_mysqludf_preg

示例 SQL：

SELECT PREG_REPLACE('/(.*?)(fox)/' , 'dog' , 'the quick brown fox' ) AS demo;

我在this question 上找到了来自this blog post 的包。

Answer 6

如果您使用的是 MariaDB 或 MySQL 8.0，它们有一个功能

REGEXP_REPLACE(col, regexp, replace)

见MariaDB docs和PCRE Regular expression enhancements

请注意，您也可以使用正则表达式分组（我发现这非常有用）：

SELECT REGEXP_REPLACE("stackoverflow", "(stack)(over)(flow)", '\\2 - \\1 - \\3')

返回

over - stack - flow

Answer 7

我们可以在SELECT查询中使用IF条件如下：

假设对于任何带有“ABC”、“ABC1”、“ABC2”、“ABC3”、...的东西，我们想用“ABC”替换，然后在 SELECT 查询中使用 REGEXP 和 IF() 条件，我们可以做到这一点。

语法：

SELECT IF(column_name REGEXP 'ABC[0-9]$','ABC',column_name)
FROM table1 
WHERE column_name LIKE 'ABC%';

例子：

SELECT IF('ABC1' REGEXP 'ABC[0-9]$','ABC','ABC1');

Answer 8

我们在不使用正则表达式的情况下解决了这个问题 此查询仅替换完全匹配的字符串。

update employee set
employee_firstname = 
trim(REPLACE(concat(" ",employee_firstname," "),' jay ',' abc '))

例子：

emp_id 员工名字

1 杰

2 周杰伦

3 杰

执行查询结果后：

emp_id 员工名字

1 abc

2 abc ajay

3 abc

Answer 9

更新 2： MySQL 8.0 现在提供了一组有用的正则表达式函数，包括 REGEXP_REPLACE。除非您被限制使用较早的版本，否则这会导致不必要的阅读。

---

更新 1： 现在已将其写入博客文章：http://stevettt.blogspot.co.uk/2018/02/a-mysql-regular-expression-replace.html

---

以下内容扩展了function provided by Rasika Godawatte，但会搜索所有必要的子字符串，而不仅仅是测试单个字符：

-- ------------------------------------------------------------------------------------
-- USAGE
-- ------------------------------------------------------------------------------------
-- SELECT reg_replace(<subject>,
--                    <pattern>,
--                    <replacement>,
--                    <greedy>,
--                    <minMatchLen>,
--                    <maxMatchLen>);
-- where:
-- <subject> is the string to look in for doing the replacements
-- <pattern> is the regular expression to match against
-- <replacement> is the replacement string
-- <greedy> is TRUE for greedy matching or FALSE for non-greedy matching
-- <minMatchLen> specifies the minimum match length
-- <maxMatchLen> specifies the maximum match length
-- (minMatchLen and maxMatchLen are used to improve efficiency but are
--  optional and can be set to 0 or NULL if not known/required)
-- Example:
-- SELECT reg_replace(txt, '^[Tt][^ ]* ', 'a', TRUE, 2, 0) FROM tbl;
DROP FUNCTION IF EXISTS reg_replace;
DELIMITER //
CREATE FUNCTION reg_replace(subject VARCHAR(21845), pattern VARCHAR(21845),
  replacement VARCHAR(21845), greedy BOOLEAN, minMatchLen INT, maxMatchLen INT)
RETURNS VARCHAR(21845) DETERMINISTIC BEGIN 
  DECLARE result, subStr, usePattern VARCHAR(21845); 
  DECLARE startPos, prevStartPos, startInc, len, lenInc INT;
  IF subject REGEXP pattern THEN
    SET result = '';
    -- Sanitize input parameter values
    SET minMatchLen = IF(minMatchLen IS NULL OR minMatchLen < 1, 1, minMatchLen);
    SET maxMatchLen = IF(maxMatchLen IS NULL OR maxMatchLen < 1
                         OR maxMatchLen > CHAR_LENGTH(subject),
                         CHAR_LENGTH(subject), maxMatchLen);
    -- Set the pattern to use to match an entire string rather than part of a string
    SET usePattern = IF (LEFT(pattern, 1) = '^', pattern, CONCAT('^', pattern));
    SET usePattern = IF (RIGHT(pattern, 1) = '$', usePattern, CONCAT(usePattern, '$'));
    -- Set start position to 1 if pattern starts with ^ or doesn't end with $.
    IF LEFT(pattern, 1) = '^' OR RIGHT(pattern, 1) <> '$' THEN
      SET startPos = 1, startInc = 1;
    -- Otherwise (i.e. pattern ends with $ but doesn't start with ^): Set start pos
    -- to the min or max match length from the end (depending on "greedy" flag).
    ELSEIF greedy THEN
      SET startPos = CHAR_LENGTH(subject) - maxMatchLen + 1, startInc = 1;
    ELSE
      SET startPos = CHAR_LENGTH(subject) - minMatchLen + 1, startInc = -1;
    END IF;
    WHILE startPos >= 1 AND startPos <= CHAR_LENGTH(subject)
      AND startPos + minMatchLen - 1 <= CHAR_LENGTH(subject)
      AND !(LEFT(pattern, 1) = '^' AND startPos <> 1)
      AND !(RIGHT(pattern, 1) = '$'
            AND startPos + maxMatchLen - 1 < CHAR_LENGTH(subject)) DO
      -- Set start length to maximum if matching greedily or pattern ends with $.
      -- Otherwise set starting length to the minimum match length.
      IF greedy OR RIGHT(pattern, 1) = '$' THEN
        SET len = LEAST(CHAR_LENGTH(subject) - startPos + 1, maxMatchLen), lenInc = -1;
      ELSE
        SET len = minMatchLen, lenInc = 1;
      END IF;
      SET prevStartPos = startPos;
      lenLoop: WHILE len >= 1 AND len <= maxMatchLen
                 AND startPos + len - 1 <= CHAR_LENGTH(subject)
                 AND !(RIGHT(pattern, 1) = '$' 
                       AND startPos + len - 1 <> CHAR_LENGTH(subject)) DO
        SET subStr = SUBSTRING(subject, startPos, len);
        IF subStr REGEXP usePattern THEN
          SET result = IF(startInc = 1,
                          CONCAT(result, replacement), CONCAT(replacement, result));
          SET startPos = startPos + startInc * len;
          LEAVE lenLoop;
        END IF;
        SET len = len + lenInc;
      END WHILE;
      IF (startPos = prevStartPos) THEN
        SET result = IF(startInc = 1, CONCAT(result, SUBSTRING(subject, startPos, 1)),
                        CONCAT(SUBSTRING(subject, startPos, 1), result));
        SET startPos = startPos + startInc;
      END IF;
    END WHILE;
    IF startInc = 1 AND startPos <= CHAR_LENGTH(subject) THEN
      SET result = CONCAT(result, RIGHT(subject, CHAR_LENGTH(subject) + 1 - startPos));
    ELSEIF startInc = -1 AND startPos >= 1 THEN
      SET result = CONCAT(LEFT(subject, startPos), result);
    END IF;
  ELSE
    SET result = subject;
  END IF;
  RETURN result;
END//
DELIMITER ;

演示

Rextester Demo

限制

1. 这个方法当然要花点时间当主题 字符串很大。 更新：现在添加了最小和最大匹配长度参数，以在这些参数已知时提高效率（零 = 未知/无限）。
2. 它不会允许替换反向引用（例如\1、\2 等）来替换捕获组。如果需要此功能，请参阅 this answer，它尝试通过更新该功能以允许在每个找到的匹配项中进行二次查找和替换（以增加复杂性为代价）来提供解决方法。
3. 如果在模式中使用^和/或$，它们必须分别位于最开始和最结束 - 例如不支持 (^start|end$) 等模式。
4. 有一个“贪婪”标志来指定整体匹配是贪婪还是非贪婪。不支持在单个正则表达式（例如 a.*?b.*）中结合贪婪和惰性匹配。

用法示例

该函数已用于回答以下 StackOverflow 问题：

• How to count words in MySQL / regular expression replacer?
• How to extract the nth word and count word occurrences in a MySQL string?
• How to extract two consecutive digits from a text field in MySQL?
• How to remove all non-alpha numeric characters from a string in MySQL?
• How to replace every other instance of a particular character in a MySQL string?
• How to get all distinct words of a specified minimum length from multiple columns in a MySQL table?

Answer 10

使用 MySQL 8.0+，您可以使用本机 REGEXP_REPLACE 函数。

12.5.2 Regular Expressions:

REGEXP_REPLACE(expr, pat, repl[, pos[, occurrence[, match_type]]])

用替换字符串 repl 替换字符串 expr 中匹配由模式 pat 指定的正则表达式的匹配项，并返回结果细绳。如果 expr、pat 或 repl 为 NULL，则返回值为 NULL。

和Regular expression support:

以前，MySQL 使用 Henry Spencer 正则表达式库来支持正则表达式运算符（REGEXP、RLIKE）。

使用 Unicode 国际组件 (ICU) 重新实现了正则表达式支持，它提供完整的 Unicode 支持并且是多字节安全的。 REGEXP_LIKE() 函数以REGEXP 和RLIKE 运算符的方式执行正则表达式匹配，它们现在是该函数的同义词。 此外， REGEXP_INSTR()、 REGEXP_REPLACE() 和 REGEXP_SUBSTR() 函数可用于查找匹配位置并执行子字符串分别替换和提取。

SELECT REGEXP_REPLACE('Stackoverflow','[A-Zf]','-',1,0,'c'); 
-- Output:
-tackover-low

DBFiddle Demo

Answer 11

下面的基本上从左边找到第一个匹配，然后替换它的所有出现（在mysql-5.6中测试）。

用法：

SELECT REGEX_REPLACE('dis ambiguity', 'dis[[:space:]]*ambiguity', 'disambiguity');

实施：

DELIMITER $$
CREATE FUNCTION REGEX_REPLACE(
  var_original VARCHAR(1000),
  var_pattern VARCHAR(1000),
  var_replacement VARCHAR(1000)
  ) RETURNS
    VARCHAR(1000)
  COMMENT 'Based on https://techras.wordpress.com/2011/06/02/regex-replace-for-mysql/'
BEGIN
  DECLARE var_replaced VARCHAR(1000) DEFAULT var_original;
  DECLARE var_leftmost_match VARCHAR(1000) DEFAULT
    REGEX_CAPTURE_LEFTMOST(var_original, var_pattern);
    WHILE var_leftmost_match IS NOT NULL DO
      IF var_replacement <> var_leftmost_match THEN
        SET var_replaced = REPLACE(var_replaced, var_leftmost_match, var_replacement);
        SET var_leftmost_match = REGEX_CAPTURE_LEFTMOST(var_replaced, var_pattern);
        ELSE
          SET var_leftmost_match = NULL;
        END IF;
      END WHILE;
  RETURN var_replaced;
END $$
DELIMITER ;

---

DELIMITER $$
CREATE FUNCTION REGEX_CAPTURE_LEFTMOST(
  var_original VARCHAR(1000),
  var_pattern VARCHAR(1000)
  ) RETURNS
    VARCHAR(1000)
  COMMENT '
  Captures the leftmost substring that matches the [var_pattern]
  IN [var_original], OR NULL if no match.
  '
BEGIN
  DECLARE var_temp_l VARCHAR(1000);
  DECLARE var_temp_r VARCHAR(1000);
  DECLARE var_left_trim_index INT;
  DECLARE var_right_trim_index INT;
  SET var_left_trim_index = 1;
  SET var_right_trim_index = 1;
  SET var_temp_l = '';
  SET var_temp_r = '';
  WHILE (CHAR_LENGTH(var_original) >= var_left_trim_index) DO
    SET var_temp_l = LEFT(var_original, var_left_trim_index);
    IF var_temp_l REGEXP var_pattern THEN
      WHILE (CHAR_LENGTH(var_temp_l) >= var_right_trim_index) DO
        SET var_temp_r = RIGHT(var_temp_l, var_right_trim_index);
        IF var_temp_r REGEXP var_pattern THEN
          RETURN var_temp_r;
          END IF;
        SET var_right_trim_index = var_right_trim_index + 1;
        END WHILE;
      END IF;
    SET var_left_trim_index = var_left_trim_index + 1;
    END WHILE;
  RETURN NULL;
END $$
DELIMITER ;

Answer 12

我认为有一种简单的方法可以实现这一点，而且对我来说效果很好。

使用 REGEX 选择行

SELECT * FROM `table_name` WHERE `column_name_to_find` REGEXP 'string-to-find'

使用 REGEX 更新行

UPDATE `table_name` SET column_name_to_find=REGEXP_REPLACE(column_name_to_find, 'string-to-find', 'string-to-replace') WHERE column_name_to_find REGEXP 'string-to-find'

REGEXP 参考： https://www.geeksforgeeks.org/mysql-regular-expressions-regexp/

Answer 13

是的，你可以。

UPDATE table_name 
  SET column_name = 'seach_str_name'
  WHERE column_name REGEXP '[^a-zA-Z0-9()_ .\-]';